摘要：在民航领域的航班协同运行保障过程中,传统的信息共享方式存在数据外泄、记录篡改、数据难追溯、数据难监管、隐私难保护等问题,提出一种由机场、航空公司、空管以及地服公司协同参与的区块链架构——航班信息共享链架构。根据航班运行过程中的实际流程与需求,从层次结构、网络结构、访问事件监管机制与多通道设计四个方面设计该架构,进而形成一种新型航班协同运行保障系统架构。实验结果表明,该架构不仅能够满足航班协同运行保障系统需求,还减少了单节点存储容量,更好地实现了航班协同保障参与方之间的动态信息共享。

摘要：人群计数研究普遍使用欧几里得损失函数,易造成图像局部相关性缺失,且现有研究方法未能充分提取人群图像中连续变化的尺度特征,影响了人群计数模型的性能。针对上述问题,该文提出一种基于多尺度增强网络的人群计数模型(MSEN)。首先,在多分支结构生成网络中引入区域性判别网络,将二者组合形成嵌入式GAN模块,以增强生成图像的局部相关性;之后,基于金字塔池化结构设计了尺度增强模块,将该模块连接在嵌入式GAN模块之后,进一步从不同区域提取不同尺度的局部特征,以最大程度地应对人群图像局部尺度连续变化的问题,从而增强整体模型的泛化能力。最后,在3个具有挑战性的人群计数公共数据集上进行了广泛的实验。实验结果表明,该文所述模型可有效提升人群计数问题的准确性和鲁棒性。

摘要：针对实际航班提前或延误给停机位分配带来的扰动问题,分析了航班实际到离港时间偏离计划时间的分布规律,提出了基于缓冲时间成本的停机位分配鲁棒性评价函数.在此基础上,建立了以缓冲时间成本、机位-航班大小差异度和远机位数等最小为优化目标的鲁棒性停机位分配模型,设计了求解模型的禁忌搜索算法.基于首都国际机场两个典型的A、B工作日实际运行数据的模型验证结果表明,所提方法与不考虑鲁棒性及传统最小化空闲时间离差平方和的停机位分配相比,在A日航班冲突分别减少了98.1%和97.6%,在B日航班冲突分别减少了74.3%和70.8%,有效地提高了停机位分配计划的鲁棒性.

摘要：机场外航服务人员排班是机场智能调度系统的重要组成.针对目前我国机场外航服务人员排班主要采用人工方式,排班效率低下,员工工作时间均衡性不高,且难以满足多种类约束这一现状,本文充分考虑员工对任务具有层次资质及各类劳动法规约束,以均衡员工工作时间为优化目标,提出了面向层次资质的机场外航服务人员排班模型,并设计了基于禁忌搜索算法的模型求解策略.在首都机场外航服务部实际数据集上进行实验,验证结果表明,相比较于现有人工排班方案,利用本文模型得到的排班方案能满足所有排班约束条件,且在员工工作时间均衡性上有显著提高.

摘要：机场噪声等值线图在机场噪声控制、机场规划设计中起着重要的作用。针对机场噪声的特征及分布特点,提出了一种基于路径栅格的机场噪声等值线追踪算法,通过构造有效网格、建立具有顶点编码和的路径栅格,在等值线追踪过程中唯一确定下一个等值点,避免了传统的先开放后封闭的等值线追踪方式,能够快速生成等值线图。实验验证表明,该算法效率高,绘制的机场噪声等值线图效果好,没有等值线交叉现象。

摘要：为解决枢纽机场客流拥堵问题,提高机场运行效率,减少运营成本,提出了一种面向拥堵问题的枢纽航线网络优化模型。该模型基于非严格枢纽航线网络结构,以不同运输方式的费用和流量为约束条件,以枢纽航线网络成本最低为目标,设计了能够减少求解运算的复杂变量表示方法,以及减少陷入局部最优解概率的模拟退火粒子群优化(simulated annealing particle swarm optimization,SAPSO)算法。实验结果表明,相较于严格的枢纽航线网络,所提优化模型能够显著地缓解枢纽机场的拥堵,均衡枢纽机场间客流量,减少网络成本;同时,所提算法具有较快的收敛速度和良好的稳定性。

摘要：针对机场外航服务人员班型生成面临的任务量大,约束条件复杂,人工生成班型方案困难等问题背景,考虑员工对任务具有层次资质,班型的各类劳动法规等约束条件,以最小化班型方案总工作时间为优化目标,研究构建了面向多任务层次资质场景下的班型生成优化模型,并设计禁忌搜索算法进行求解。在首都机场外航服务部实际排班数据集上进行实验,验证了模型和算法的实用性和有效性,实验结果表明,求得的班型方案相比较现有人工生成的班型方案,能满足所有约束条件且总工作时间更短,总服务人数更少,提高了机场资源利用率。

摘要：为解决新一代民航旅客服务信息系统中数据缺失不能准确进行旅客流失预测的问题,考虑旅客流失预测任务与旅客缺失数据填补任务具有相关性,提出基于部分距离的SMOTE算法和基于降噪自编码器的多任务深度学习网络模型。基于部分距离的SMOTE算法在数据不完备场景下,对少数类别已流失旅客和准流失旅客进行过采样;设计的多任务深度学习网络模型利用逐层无监督训练和有监督微调,同时进行对缺失数据填补与民航旅客流失预测。实验结果表明,相比传统处理方法,该方法能有效提高数据质量和旅客流失预测的准确性。

摘要：针对航班正常性问题,在飞机排班问题基础上,引入正常性约束,建立面向正常性的飞机排班模型,提出一种两阶段启发式算法进行求解。构建符合正常性要求的候选航班链集合,将排班问题转化为候选链对航班计划的集合覆盖问题。通过0-1整数规划求解集合覆盖问题,得到满足正常性约束的最小飞机数量排班方案。松弛正常性约束减小飞机使用数量,满足飞机数量约束。通过迭代搜索寻求正常性与飞机数量平衡的最优排班方案。实验结果表明,该方法可以有效提升航班计划的正常性期望。

摘要：对单位时间内通过安检的旅客流量进行预测是机场航站楼实时调控的重要依据,由此提出一种实时安检旅客流量预测方法,采用Wolf方法分析出安检旅客流量时间序列具有混沌特性;采用适用于混沌时间序列预测的遗传算法优化BP神经网络预测方法(GABP)预测安检旅客流量;分别设定时间尺度为2 min、5 min和10 min等,分析不同时间尺度对安检旅客流量预测精度的影响。基于北京首都国际机场T3航站楼实际安检旅客流量数据的实验结果表明,采用GABP神经网络对以2 min为时间尺度的安检旅客流量预测能取得较好的预测精准度。